互聯(lián)網(wǎng)技術(shù)的高速發(fā)展使得在線購(gòu)物得到極大普及，國(guó)內(nèi)以淘寶、京東為代表的各類電子商務(wù)網(wǎng)站發(fā)展尤為迅猛。在線商品交易需要在網(wǎng)頁(yè)中對(duì)商品屬性信息進(jìn)行盡可能詳細(xì)的展示，這使得從互聯(lián)網(wǎng)中獲取大量商品屬性信息成為可能。如果能有效組織與管理互聯(lián)網(wǎng)中大量組織樣式復(fù)雜的商品屬性信息，將在商品評(píng)論的觀點(diǎn)挖掘、情感分析、個(gè)性化產(chǎn)品推薦等領(lǐng)域發(fā)揮更積極的作用。目前網(wǎng)頁(yè)信息抽取方法有很多，但是其中大部分都需要人工標(biāo)記抽取結(jié)構(gòu)，一旦減少人工參與，抽取的準(zhǔn)確率就會(huì)隨之下降。而且很多方法不能很好適應(yīng)網(wǎng)頁(yè)的變化，一旦網(wǎng)頁(yè)樣式改變，就需要重新構(gòu)建網(wǎng)頁(yè)信息抽取的包裝器。為了解決上述問(wèn)題，本文首先嘗試了基于網(wǎng)頁(yè)中商品信息描述網(wǎng)頁(yè)塊定位的商品屬性信息抽取方法。該方法在利用VIPS算法將網(wǎng)頁(yè)內(nèi)容分塊的基礎(chǔ)上，訓(xùn)練分類器實(shí)現(xiàn)用于商品信息描述的網(wǎng)頁(yè)塊的判定。然后提出基于單位詞表的商品屬性記錄對(duì)齊方法抽取屬性信息描述網(wǎng)頁(yè)塊中的商品屬性“名-值”對(duì)。在對(duì)第一個(gè)方法進(jìn)行分析的基礎(chǔ)上，本文又提出了基于商品詳情頁(yè)標(biāo)題，構(gòu)建自適應(yīng)模板的商品屬性信息提取方法。該方法利用大量屬于同一領(lǐng)域的商品詳情頁(yè)標(biāo)題構(gòu)建領(lǐng)域?qū)傩栽~包，然后利用屬性詞包從網(wǎng)頁(yè)定位優(yōu)... 

【文章來(lái)源】：蘇州大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

商品詳情頁(yè)示例網(wǎng)頁(yè)

采用VIPS對(duì)網(wǎng)頁(yè)進(jìn)行切分的效果圖

網(wǎng)頁(yè)商品屬性描述網(wǎng)頁(yè)塊對(duì)應(yīng)HTML源碼示例

【參考文獻(xiàn)】：
期刊論文
[1]一種全自動(dòng)生成網(wǎng)頁(yè)信息抽取Wrapper的方法[J]. 梅雪,程學(xué)旗,郭巖,張剛,丁國(guó)棟.  中文信息學(xué)報(bào). 2008(01)
[2]基于樹(shù)模型算法的動(dòng)態(tài)網(wǎng)頁(yè)信息抽取研究和實(shí)現(xiàn)[J]. 邵輝,李芳.  計(jì)算機(jī)應(yīng)用與軟件. 2007(10)
[3]Web信息提取的形式化分析[J]. 鄧超,熊選東,孫莉.  微計(jì)算機(jī)應(yīng)用. 2007(01)
[4]基于子樹(shù)匹配的交互式Web數(shù)據(jù)抽取方法[J]. 張慧穎,曲著偉.  計(jì)算機(jī)工程. 2006(09)
[5]半結(jié)構(gòu)化網(wǎng)頁(yè)中多記錄信息的自動(dòng)抽取方法[J]. 朱明,王慶偉.  計(jì)算機(jī)仿真. 2005(12)
[6]基于DOM的Web信息抽取[J]. 崔繼馨,張鵬,楊文柱.  河北農(nóng)業(yè)大學(xué)學(xué)報(bào). 2005(03)
[7]信息抽取研究綜述[J]. 李保利,陳玉忠,俞士汶.  計(jì)算機(jī)工程與應(yīng)用. 2003(10)

碩士論文
[1]半結(jié)構(gòu)化網(wǎng)頁(yè)的信息抽取技術(shù)研究[D]. 祝美蓮.中國(guó)石油大學(xué) 2011
[2]基于Web的商品信息抽取與融合的研究與實(shí)現(xiàn)[D]. 王麗.武漢理工大學(xué) 2008



本文編號(hào)：3373620